三、解決方案詳述
3.1用戶畫像
建立用戶信息的統(tǒng)一視圖數(shù)據庫，按照教育培訓行業(yè)特征建立行業(yè)用戶重點關注維度和各維度內的深度數(shù)據，同時從實際應用場景出發(fā)對用戶數(shù)據進行分析，建立針對不同應用場景的三類標簽：事實、模型、預測。從而使得一個用戶在不同應用場景下能夠以所標簽的信息被形象展示。
3.2用戶統(tǒng)一畫像模型建設及步驟
3.2.1基于企業(yè)現(xiàn)有數(shù)據整合和完善，通過6個維度的事實信息來描述用戶，建立用戶的基礎維度和各維度的不同層級的信息：
- 用戶基本屬性
- 用戶關聯(lián)關系
- 用戶興趣偏好
- 用戶價值信息
- 用戶風險信息
- 用戶營銷信息
如下圖所示：
（圖3-2）
3.2.2 基于用戶信息建立6個維度的服務目標和基于事實用戶信息的目標維度標簽，更準確描述客戶在各個目標維度的定位和狀態(tài)。
- 營銷增強
- 客戶洞察
- 渠道優(yōu)化
- 產品創(chuàng)新
- 風險防范
- 運營提升
通過大數(shù)據處理分析工具來分類客戶的事實標簽，實現(xiàn)客戶畫像的第一步分析，初步實現(xiàn)用戶畫像。
- 基于用戶的基本事實，結合企業(yè)業(yè)務及教育行業(yè)的獨有的特征，對于用戶做合并分類，形成客戶畫像與客戶群體屬性，如下圖所示：
（圖3-3）
3.2.3基于客戶的瀏覽興趣與購買數(shù)據，結合模型如LTV、RFM等通過分析工具計算客戶的模型標簽，實現(xiàn)客戶畫像的第二步分析，實現(xiàn)用戶商業(yè)價值畫像。
- 新客戶的獲得成本
- 存量客戶生命周期價值
- 存量客戶的交叉銷售價值
- 存量客戶的再激活價值
- ……
（圖3-4）
3.2.4 基于用戶基本畫像與模型畫像，通過大數(shù)據機器學習算法(如貝爾斯、邏輯回歸等)來進行用戶預測與完善反饋，實現(xiàn)更精準的推廣分配，提高運營效率，如下圖所示：
- 推廣的到校試課概率評估
- 新客戶的生命周期價值評估
- ……
（圖3-5）
3.3統(tǒng)一畫像標簽完整過程
基于企業(yè)現(xiàn)有數(shù)據，定期通過工具從數(shù)據庫與Web日志采集原始數(shù)據，然后生成標簽模型并持續(xù)優(yōu)化。
（圖3-6）
- 基本畫像標簽：從數(shù)據庫一次性導入。同時制定定期采集規(guī)則，當客戶信息通過CRM更新時，將更新記錄直接復制到基本畫像標簽的更新，以便預測優(yōu)化。
- 營銷畫像標簽：
- 需求標簽：從數(shù)據庫一次性導入。同時制定定期采集規(guī)則，當座席采集客戶需求并通過CRM更新時，將更新記錄直接復制到需求畫像標簽的更新，以便預測優(yōu)化。
- 營銷活動標簽：從數(shù)據庫一次性導入。同時制定定期采集規(guī)則，當推廣采集客戶名單并通過CRM更新時，將更新記錄直接復制到營銷畫像標簽的更新，以便預測優(yōu)化。
- 價值畫像標簽：從數(shù)據庫一次性導入。同時制定定期采集規(guī)則，當成單信息通過CRM更新時，將更新記錄每晚進行計算新商業(yè)價值統(tǒng)計，將新變量更新到價值標簽以便預測優(yōu)化。
- 興趣畫像標簽：興趣畫像原數(shù)據的瀏覽日志解析處理比較復雜，需要進行URL的識別、IP的識別、User Agent的識別、Referrer搜索關鍵詞的識別等。處理流程的設計采用了流水化的串行和并行設計，內部解析采用組件化流水化處理，不同組件之間的數(shù)據采用共享大內存的方式，避免在不同的處理組件之間進行數(shù)據落地，重復的進行數(shù)據寫出和讀入，提高數(shù)據處理的效率。同時使用統(tǒng)一的數(shù)據模型，統(tǒng)一的數(shù)據存儲。如下圖所示，使用ExceedData平臺模塊化的集成、處理、分析、以及應用機器智能算法可以大大節(jié)省存儲資源，提供解析的效率。
（圖3-7）
3.4用戶數(shù)據在業(yè)務環(huán)節(jié)中的共享
通過一套開放的應用之間采用開放的應用接口（API）實現(xiàn)用戶信息在市場、客服、門店營銷、培訓中心等各系統(tǒng)中的共享互通。API為統(tǒng)一標準，為各個應用數(shù)據系統(tǒng)，設置未來外部數(shù)據接入，提供統(tǒng)一的數(shù)據接收（get）與采集（post）接口，如下圖所示。
- 支持主流的接口協(xié)議，如REST；
- 支持直接采集主流數(shù)據庫數(shù)據，支持的數(shù)據庫包括：oracle、mysql、sqlserver等，直接使用jdbc客戶端命令方式從數(shù)據庫獲取數(shù)據。
- 支持分布式數(shù)據源調度，支持多數(shù)據源間的訪問連接。
- 采用參數(shù)驅動的設計思想，在API中，凡是不能確定的因素做到參數(shù)化，以達到通過對參數(shù)的設置就可適應不同的情況及不同時期的應用要求。
（圖3-8）
通過API對數(shù)據流通的支持與一致化視角，提供全面、整合的分析能力幫助企業(yè)英語提升復雜流程下的高性能分析，快速建立專注于客戶的凝聚力，借助大數(shù)據分析改善運營效益。
（未完，請待下期連載，意向者可搜索匡衡軟件咨詢）
